CN110238556B - 焊接机器人焊接过程中焊接轨迹实时检测方法 - Google Patents

焊接机器人焊接过程中焊接轨迹实时检测方法 Download PDF

Info

Publication number
CN110238556B
CN110238556B CN201910374215.2A CN201910374215A CN110238556B CN 110238556 B CN110238556 B CN 110238556B CN 201910374215 A CN201910374215 A CN 201910374215A CN 110238556 B CN110238556 B CN 110238556B
Authority
CN
China
Prior art keywords
tcp
point
welding
coordinate values
difference
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201910374215.2A
Other languages
English (en)
Other versions
CN110238556A (zh
Inventor
唐栎
徐海涛
金东赫
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Zhanwan Information Science & Technology Co ltd
Original Assignee
Shanghai Zhanwan Information Science & Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shanghai Zhanwan Information Science & Technology Co ltd filed Critical Shanghai Zhanwan Information Science & Technology Co ltd
Priority to CN201910374215.2A priority Critical patent/CN110238556B/zh
Publication of CN110238556A publication Critical patent/CN110238556A/zh
Application granted granted Critical
Publication of CN110238556B publication Critical patent/CN110238556B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
    • B23K—SOLDERING OR UNSOLDERING; WELDING; CLADDING OR PLATING BY SOLDERING OR WELDING; CUTTING BY APPLYING HEAT LOCALLY, e.g. FLAME CUTTING; WORKING BY LASER BEAM
    • B23K31/00—Processes relevant to this subclass, specially adapted for particular articles or purposes, but not covered by only one of the preceding main groups
    • B23K31/12—Processes relevant to this subclass, specially adapted for particular articles or purposes, but not covered by only one of the preceding main groups relating to investigating the properties, e.g. the weldability, of materials
    • B23K31/125—Weld quality monitoring
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
    • B23K—SOLDERING OR UNSOLDERING; WELDING; CLADDING OR PLATING BY SOLDERING OR WELDING; CUTTING BY APPLYING HEAT LOCALLY, e.g. FLAME CUTTING; WORKING BY LASER BEAM
    • B23K37/00—Auxiliary devices or processes, not specially adapted to a procedure covered by only one of the preceding main groups
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J11/00—Manipulators not otherwise provided for
    • B25J11/005—Manipulators for mechanical processing tasks
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/16—Programme controls
    • B25J9/1656—Programme controls characterised by programming, planning systems for manipulators
    • B25J9/1664—Programme controls characterised by programming, planning systems for manipulators characterised by motion, path, trajectory planning

Landscapes

  • Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Robotics (AREA)
  • Quality & Reliability (AREA)
  • Physics & Mathematics (AREA)
  • Optics & Photonics (AREA)
  • Manipulator (AREA)
  • Numerical Control (AREA)

Abstract

一种焊接机器人焊接过程中焊接轨迹实时检测方法包括：采集正常焊接机器人焊接过程焊接轨迹数据；对采集到的焊接轨迹数据进行降维分析，确定出数据的分布密集簇的簇数；根据簇数对所有的数据点进行精准的分类，并得到每类的中心点坐标；将每类的大部分TCP数据点坐标值代入BP神经网络算法中进行网络训练；将剩下TCP坐标值代入神经网络算法中进行网络验证成功；实时采集某点的焊接轨迹数据；将实际TCP坐标值中TCP‑X和TCP‑Y坐标值代入神经网络算法中获得预测TCP‑Z坐标值；计算预测TCP‑Z坐标值与实际TCP‑Z坐标值差距，差距落入预设置信区间内则该点为正常点，差距未落入预设置信区间内则该点为异常点并预测告警。

Description

焊接机器人焊接过程中焊接轨迹实时检测方法
技术领域
本发明涉及焊接轨迹检测技术领域，特别是涉及一种焊接机器人焊接过程中焊接轨迹实时检测方法，用于实时检测焊接机器人焊接过程中是否存在焊偏缺陷。
背景技术
所谓焊偏是指机器人执行焊接工作时实际焊接轨迹脱离焊接接头位置导致所焊焊缝连接不良甚至无法连接。机器人焊接过程中一旦出现焊偏，所焊焊缝须全部打磨掉，打磨工作效率低、劳动强度大、工作环境恶劣，严重影响弧焊机器人的焊接效率。
现有的焊偏缺陷检测方法中，基于图像传感器和机器视觉技术是一种常见的方法。通过CCD摄像机获得焊接温度场图像，利用三次样条小波函数对温度场图像进行变换得到焊缝位置和焊炬位置，基于此，可以计算出焊缝偏差，检测是否出现焊偏。该方案成本较高，且工程现场安装实施复杂。
发明内容
本发明针对现有技术存在的问题和不足，提供一种新型的焊接机器人焊接过程中焊接轨迹实时检测方法。
本发明是通过下述技术方案来解决上述技术问题的：
本发明提供一种焊接机器人焊接过程中焊接轨迹实时检测方法，其特点在于，其包括以下步骤：
S1、采集正常焊接机器人焊接过程中三维空间的焊接轨迹数据，焊接轨迹数据包括焊缝编号和TCP坐标值TCP坐标值包括TCP-X、TCP-Y和TCP-Z坐标值；
S2、运用主成分分析算法，对采集到的焊接轨迹数据进行降维分析，确定出数据的分布密集簇的簇数k；
S3、根据簇数k，利用Kmeans聚类算法对所有的数据点进行精准的分类，并得到每类的中心点坐标；
S4、将每类的大部分TCP数据点坐标值代入BP神经网络算法中进行网络训练，并轮流交替：
输入(TCP-X,TCP-Y)-->输出(TCP-Z)
输入(TCP-Y,TCP-Z)-->输出(TCP-X)
输入(TCP-X,TCP-Z)-->输出(TCP-Y)
作为BP神经网络算法的输入和输出，不断迭代多次训练找寻最佳匹配方式以及其得到的模型公式；
S5、将剩下TCP坐标值代入神经网络算法中进行网络验证，并验证成功；
S6、实时采集某一焊接机器人焊接过程中某点的焊接轨迹数据；
S7、将实际采集到的TCP坐标值中的TCP-X和TCP-Y坐标值代入神经网络算法中以获得预测的TCP-Z坐标值；
S8、计算预测的TCP-Z坐标值与实际的TCP-Z坐标值之间的差距，在差距落入预设置信区间内，则该点为正常点，在差距未落入预设置信区间内，则该点为异常点并进行预测告警；
或者，S7、将实际采集到的TCP坐标值中的TCP-X和TCP-Z坐标值代入神经网络算法中以获得预测的TCP-Y坐标值；
S8、计算预测的TCP-Y坐标值与实际的TCP-Y坐标值之间的差距，在差距落入预设置信区间内，则该点为正常点，在差距未落入预设置信区间内，则该点为异常点并进行预测告警；
或者，S7、将实际采集到的TCP坐标值中的TCP-Y和TCP-Z坐标值代入神经网络算法中以获得预测的TCP-X坐标值；
S8、计算预测的TCP-X坐标值与实际的TCP-X坐标值之间的差距，在差距落入预设置信区间内，则该点为正常点，在差距未落入预设置信区间内，则该点为异常点并进行预测告警。
较佳地，神经网络算法采用BP神经网络算法。
在符合本领域常识的基础上，上述各优选条件，可任意组合，即得本发明各较佳实例。
本发明的积极进步效果在于：
本发明通过实时采集焊接机器人的三维空间焊接轨迹数据，结合kmeans聚类、BP神经网络学习算法等对焊接机器人的焊接轨迹进行训练学习，得到焊接轨迹的分布规律，以此来实时分析检测焊接过程中出现的异常点的分布位置并预警。本发明工程现场安装实施简单快捷，维护方便；综合成本较低。
附图说明
图1为本发明较佳实施例的焊接机器人焊接过程中焊接轨迹实时检测方法的流程图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
如图1所示，本实施例提供一种焊接机器人焊接过程中焊接轨迹实时检测方法，其包括以下步骤：
步骤101、采集正常焊接机器人焊接过程中三维空间的焊接轨迹数据，焊接轨迹数据包括焊缝编号和TCP坐标值，TCP坐标值包括TCP-X、TCP-Y和TCP-Z坐标值。
步骤102、运用主成分分析(PCA)算法，对采集到的焊接三维轨迹数据进行降维分析。在几乎不损失数据分布特征信息的基础上，将数据经过适当的空间旋转投影到低维空间(例如2维或1维)进行形象化分析。粗略的确定出数据分布的类别数量，即分布密集簇的簇数(k)。
步骤103、根据PCA过程中的簇数k，利用Kmeans聚类算法对所有的数据点进行精准的分类，并得到每类的中心点坐标。
步骤104、将每类的大部分TCP数据点坐标值代入BP神经网络算法中进行网络训练，并轮流交替：
输入(TCP-X,TCP-Y)-->输出(TCP-Z)
输入(TCP-Y,TCP-Z)-->输出(TCP-X)
输入(TCP-X,TCP-Z)-->输出(TCP-Y)
作为BP神经网络算法的输入和输出，不断迭代多次训练找寻最佳匹配方式以及其得到的模型公式。
步骤105、将剩下TCP坐标值代入BP神经网络算法中进行网络验证，并验证成功。
步骤106、实时采集某一焊接机器人焊接过程中某点的焊接轨迹数据。
步骤107、将实际采集到的TCP坐标值中的TCP-X和TCP-Y坐标值代入BP神经网络算法中以获得预测的TCP-Z坐标值。
步骤108、计算预测的TCP-Z坐标值与实际的TCP-Z坐标值之间的差距，在差距落入预设置信区间内，则该点为正常点，在差距未落入预设置信区间内，则该点为异常点并进行预测告警。
或者，步骤107、将实际采集到的TCP坐标值中的TCP-X和TCP-Z坐标值代入神经网络算法中以获得预测的TCP-Y坐标值。
步骤108、计算预测的TCP-Y坐标值与实际的TCP-Y坐标值之间的差距，在差距落入预设置信区间内，则该点为正常点，在差距未落入预设置信区间内，则该点为异常点并进行预测告警。
或者，步骤107、将实际采集到的TCP坐标值中的TCP-Y和TCP-Z坐标值代入神经网络算法中以获得预测的TCP-X坐标值。
步骤108、计算预测的TCP-X坐标值与实际的TCP-X坐标值之间的差距，在差距落入预设置信区间内，则该点为正常点，在差距未落入预设置信区间内，则该点为异常点并进行预测告警。
由于数据的走势成不规则状态，决定采用基于神经网络的非参数类深度学习拟合方法和训练数据，再根据偏差向量服从正态分布的法则结合分位间距IQR异常点侦测方法建立上下置信区间。
并计算实际值与预测值之间的差距，如果差距落在置信区间内，则视该点为正常点。若落在置信区间以外，则为异常点并产生告警发送到平台。
本发明结合实时采集到的焊接轨迹数据，通过kmeans聚类、神经网络算法等对机器人的焊接轨迹进行训练学习，得到焊接轨迹的分布规律；焊偏缺陷实时检测：基于大数据分析得到的理论焊缝模型，实时检测当前焊接是否出现焊偏缺陷。
虽然以上描述了本发明的具体实施方式，但是本领域的技术人员应当理解，这些仅是举例说明，本发明的保护范围是由所附权利要求书限定的。本领域的技术人员在不背离本发明的原理和实质的前提下，可以对这些实施方式做出多种变更或修改，但这些变更和修改均落入本发明的保护范围。

Claims (1)

1.一种焊接机器人焊接过程中焊接轨迹实时检测方法，其特征在于，其包括以下步骤：
S1、采集正常焊接机器人焊接过程中三维空间的焊接轨迹数据，焊接轨迹数据包括焊缝编号和TCP坐标值，TCP坐标值包括TCP-X、TCP-Y和TCP-Z坐标值；
S2、运用主成分分析算法，对采集到的焊接轨迹数据进行降维分析，确定出数据的分布密集簇的簇数k；
S3、根据簇数k，利用Kmeans聚类算法对所有的数据点进行精准的分类，并得到每类的中心点坐标；
S4、将每类的大部分TCP数据点坐标值代入BP神经网络算法中进行网络训练，并轮流交替：
输入(TCP-X,TCP-Y)-->输出(TCP-Z)
输入(TCP-Y,TCP-Z)-->输出(TCP-X)
输入(TCP-X,TCP-Z)-->输出(TCP-Y)
作为BP神经网络算法的输入和输出，不断迭代多次训练找寻最佳匹配方式以及其得到的模型公式；
S5、将剩下TCP坐标值代入神经网络算法中进行网络验证，并验证成功；
S6、实时采集某一焊接机器人焊接过程中某点的焊接轨迹数据；
S7、将实际采集到的TCP坐标值中的TCP-X和TCP-Y坐标值代入神经网络算法中以获得预测的TCP-Z坐标值；
S8、计算预测的TCP-Z坐标值与实际的TCP-Z坐标值之间的差距，在差距落入预设置信区间内，则该点为正常点，在差距未落入预设置信区间内，则该点为异常点并进行预测告警；
或者，S7、将实际采集到的TCP坐标值中的TCP-X和TCP-Z坐标值代入神经网络算法中以获得预测的TCP-Y坐标值；
S8、计算预测的TCP-Y坐标值与实际的TCP-Y坐标值之间的差距，在差距落入预设置信区间内，则该点为正常点，在差距未落入预设置信区间内，则该点为异常点并进行预测告警；
或者，S7、将实际采集到的TCP坐标值中的TCP-Y和TCP-Z坐标值代入神经网络算法中以获得预测的TCP-X坐标值；
S8、计算预测的TCP-X坐标值与实际的TCP-X坐标值之间的差距，在差距落入预设置信区间内，则该点为正常点，在差距未落入预设置信区间内，则该点为异常点并进行预测告警。
CN201910374215.2A 2019-05-07 2019-05-07 焊接机器人焊接过程中焊接轨迹实时检测方法 Active CN110238556B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910374215.2A CN110238556B (zh) 2019-05-07 2019-05-07 焊接机器人焊接过程中焊接轨迹实时检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910374215.2A CN110238556B (zh) 2019-05-07 2019-05-07 焊接机器人焊接过程中焊接轨迹实时检测方法

Publications (2)

Publication Number Publication Date
CN110238556A CN110238556A (zh) 2019-09-17
CN110238556B true CN110238556B (zh) 2021-02-23

Family

ID=67883787

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910374215.2A Active CN110238556B (zh) 2019-05-07 2019-05-07 焊接机器人焊接过程中焊接轨迹实时检测方法

Country Status (1)

Country Link
CN (1) CN110238556B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111590244B (zh) * 2020-05-08 2022-07-01 徐工集团工程机械股份有限公司科技分公司 基于云端管控的车间机器焊缝焊偏实时检测方法与装置
CN113618267B (zh) * 2021-10-08 2021-12-14 季华实验室 机器人自动焊接控制方法、装置、电子设备及存储介质
CN114417734B (zh) * 2022-03-09 2022-07-12 深圳市信润富联数字科技有限公司 刀具寿命的预测方法及装置
CN116511754B (zh) * 2023-07-04 2023-10-24 中国电子科技集团公司第二十八研究所 一种方舱大板骨架焊接路径规划方法
CN117697764B (zh) * 2024-02-05 2024-04-30 青岛哈尔滨工程大学创新发展中心 潜器作业用柔性机械臂的故障诊断系统及方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6675103B1 (en) * 2000-03-22 2004-01-06 Tripos, Inc. Visualizing high dimensional descriptors of molecular structures
CN101804586A (zh) * 2010-03-02 2010-08-18 江苏大学 一种虚拟轴机床末端刀具运动位姿的检测方法
CN102990225A (zh) * 2012-12-03 2013-03-27 天津大学 一种实时检测激光焊接质量的方法
CN103235513A (zh) * 2013-04-24 2013-08-07 武汉科技大学 一种基于遗传算法的移动机械臂轨迹规划优化方法
CN104751117A (zh) * 2015-01-26 2015-07-01 江苏大学 一种用于采摘机器人的莲蓬目标图像识别方法
CN105773623A (zh) * 2016-04-29 2016-07-20 江南大学 基于预测型间接迭代学习的scara机器人轨迹跟踪控制方法
CN108436908A (zh) * 2018-03-02 2018-08-24 广州市盘古机器人科技有限公司 焊接轨迹工艺处理算法
CN108838527A (zh) * 2018-05-28 2018-11-20 盐城工学院 一种机器人智能焊接系统及方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6675103B1 (en) * 2000-03-22 2004-01-06 Tripos, Inc. Visualizing high dimensional descriptors of molecular structures
CN101804586A (zh) * 2010-03-02 2010-08-18 江苏大学 一种虚拟轴机床末端刀具运动位姿的检测方法
CN102990225A (zh) * 2012-12-03 2013-03-27 天津大学 一种实时检测激光焊接质量的方法
CN103235513A (zh) * 2013-04-24 2013-08-07 武汉科技大学 一种基于遗传算法的移动机械臂轨迹规划优化方法
CN104751117A (zh) * 2015-01-26 2015-07-01 江苏大学 一种用于采摘机器人的莲蓬目标图像识别方法
CN105773623A (zh) * 2016-04-29 2016-07-20 江南大学 基于预测型间接迭代学习的scara机器人轨迹跟踪控制方法
CN108436908A (zh) * 2018-03-02 2018-08-24 广州市盘古机器人科技有限公司 焊接轨迹工艺处理算法
CN108838527A (zh) * 2018-05-28 2018-11-20 盐城工学院 一种机器人智能焊接系统及方法

Also Published As

Publication number Publication date
CN110238556A (zh) 2019-09-17

Similar Documents

Publication Publication Date Title
CN110238556B (zh) 焊接机器人焊接过程中焊接轨迹实时检测方法
Xiao et al. An adaptive feature extraction algorithm for multiple typical seam tracking based on vision sensor in robotic arc welding
CN113283344B (zh) 一种基于语义分割网络的矿用输送带跑偏检测方法
CN111199647B (zh) 一种道路车辆连续变道和违规掉头的监控视频检测方法
CN103413395A (zh) 烟气智能检测预警方法及装置
CN108363394A (zh) 一种安防机器人智能巡检系统及其巡检方法
CN112800901A (zh) 一种基于视觉感知的矿山人员安全检测方法
CN116428984A (zh) 一种五金模具冲压加工智能检测系统
CN116832380B (zh) 基于多火源点评估决策的消防系统的消防灭火方法
CN111178424A (zh) 一种石油化工生产现场安全合规性实时检测系统及方法
CN110728655A (zh) 基于机器视觉的数控机床工件异常检测方法及装置
CN112223273A (zh) 一种工业机器人视觉检测及避障系统
CN114119595A (zh) 一种基于集成深度学习的gmaw焊接质量在线监测及评价方法
CN111062364B (zh) 一种基于深度学习的监测装配操作的方法和装置
CN115144399A (zh) 一种基于机器视觉的装配质量检测方法及装置
CN117041502B (zh) 一种基于机器视觉的危险场景分析监测系统及方法
CN110428579A (zh) 基于图像识别的室内监控系统、方法及装置
CN104677429A (zh) 一种智能化综合故障诊断系统及诊断方法
CN116704017A (zh) 一种基于视觉混合的机械臂位姿检测方法
Kulkarni et al. Machine learning based classification of welded components
CN113681553A (zh) 一种采用数字孪生技术的机器人抓取系统
Bzymek Application of selected method of anomaly detection in signals acquired during welding process monitoring
TWM608616U (zh) 智能影像安全辨識系統
CN109239301B (zh) 一种锚链闪光焊质量在线评估方法
CN111780761A (zh) 一种巡检机器人自主导航方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant